用一句话描述受众，生成 LinkedIn 加好友开场白

由 Mindket 上架n8n 工作流营销

新上架第 1 版 · 更新于 2026-11-09

节点8 应用4 设置15.5 分钟

一个把一句受众描述变成带开场白的 LinkedIn 潜在客户的 n8n 工作流。OpenAI 生成 Apollo 搜索，Apify 抓回潜在客户，每人一句开场白写进 Google 表格，再由 PhantomBuster 发出请求。

用一句话描述受众，生成 LinkedIn 加好友开场白是一款 n8n 工作流，属于营销类，由 Mindket 上架。可免费获取。当前为第 1 版，最近更新于 2026-11-09。在本页下载，或复制它的 JSON，再导入 n8n 画布。在 n8n 里启用之前，它不会运行。

速览

用在

n8n Cloud：在那里新建一个工作流，把文件导入进去
你自己的 n8n 服务器：同一个文件，同样的步骤
Google Sheets：每个潜在客户一行，带 LinkedIn 地址和开场白
PhantomBuster：代理读取表格，用你的账号发出请求

平台

n8n工作流自动化，可在 n8n 云端或你自己的服务器上运行

连接 4 个应用

运行方式

触发

受众表单

有人登录 LinkedIn Lead Outreach Trigger 表单并提交时开始运行，表单里有：

用大白话描述的目标受众

动作

OpenAI 把描述改写成一个 Apollo 人员搜索地址
一个 Apify actor 返回这个搜索找到的潜在客户
前三个潜在客户各自由 OpenAI 写一句简短的开场白
每个潜在客户加进 Google 表格，已有的就更新
所有行写好之后，启动你的 PhantomBuster 代理

结果

一张 LinkedIn 潜在客户表，每人一句开场白，你的 PhantomBuster 代理也已启动

集成

开始之前要准备好这些。

OpenAI

语言模型

用 gpt-4.1 生成 Apollo 搜索，用 gpt-4o 写每一句开场白。

需要OpenAI API 密钥

Apify

潜在客户抓取

用一个 Apollo 抓取 actor 跑这个搜索地址，返回潜在客户。

需要Apify API token，填在节点的请求头里

Google Sheets

电子表格

每个潜在客户一行，带 LinkedIn 地址和开场白。

需要一个用来登录的 Google 账号，以及一张有九个表头的表格

PhantomBuster

LinkedIn 外联

启动你的代理，由它读取表格并发出好友请求。

需要PhantomBuster API 密钥和代理 ID

工作流检查

由 Mindket 于 2026年11月13日检查

步骤: 8 个步骤，由表单启动
AI: 2 个步骤调用 AI 模型：Generate Search URL、Personalize Outreach
登录: 需要登录：Google Sheets、Apify、PhantomBuster
API 密钥: 文件里没有留下 API 密钥；有 2 处留空，需填入你自己的密钥
步骤类型: Mindket 的检查器能读懂它全部 6 种步骤类型

以上内容读自工作流文件，并非实际运行的结果。

关于

它是什么

这个 n8n 工作流用一句话启动一次 LinkedIn 加好友活动。你在一个有密码保护的表单里，描述想联系的人。OpenAI 把它变成一个 Apollo 人员搜索，一个 Apify actor 抓回匹配的潜在客户，OpenAI 再给每人写一句简短的开场白。潜在客户和开场白都写进 Google 表格。然后工作流启动你的 PhantomBuster 代理，由它发出好友请求。整个流程有八个节点。

适合谁

在 LinkedIn 上拓展人脉、已经在用 PhantomBuster 的创始人、代理公司老板和销售人员。如果你还没有设置好 PhantomBuster 代理，就别选它。工作流只负责启动代理。它从不告诉代理要发什么。

谁在用，怎么用

行业	谁在用	怎么用	例子
代理公司	面向小企业做生意的老板	每周描述一个细分市场，给那里的老板发开场白	一位代理公司老板输入德州创意代理公司的创始人，拿到三个潜在客户和待检查的开场白。
软件和 SaaS	自己做外联的创始人	瞄准一个职位和一种公司规模	一位创始人要找 50 到 200 人规模物流公司的运营负责人。
招聘	招聘人员	在集中招聘之前，先联系某个城市某个岗位的人	一位招聘人员描述柏林的后端工程师，开场白发出之前先过一遍。

你需要会一点 n8n，还要有一个自己的 PhantomBuster 代理。作者估计设置要 15 分半钟。

用在哪里

任何能访问 OpenAI、Apify、Google 和 PhantomBuster 的 n8n 都能运行它。潜在客户留在你的表格里，代理发出之前，每句开场白你都能先读到。

n8n Cloud：在那里新建一个工作流，把文件导入进去
你自己的 n8n 服务器：同一个文件，同样的步骤
Google Sheets：每个潜在客户一行，带 LinkedIn 地址和开场白
PhantomBuster：代理读取表格，用你的账号发出请求

设置

点“获取”会把一个压缩包存到你的下载文件夹，里面有 workflow.json 和 Mindket 的设置说明。

先准备好这些

需要	说明
n8n	n8n Cloud 或你自己的服务器都行
OpenAI	一个 API 密钥，用于生成搜索和开场白
Apify	一个 API token，用来运行公开的 actor `code_crafter/apollo-io-scraper`
Google	一个账号和一张存放潜在客户的表格
PhantomBuster	一个 API 密钥，以及一个发送 LinkedIn 好友请求的代理

在 n8n 里新建一个工作流，打开它的菜单，选 Import from File，选中 workflow.json。
在 On form submission 里添加一个 Basic Auth 凭据，设好用户名和一个强密码。
在 Generate Search URL 和 Personalize Outreach 里添加 OpenAI 凭据。
在 Run Apify Actor & Get Results 里，把 <YOUR_APIFY_TOKEN> 换成你的 token，尖括号也要去掉。
表格第一个标签页的表头依次写 id、first_name、last_name、name、linkedin_url、title、email_status、photo_url 和 icebreaker。在 Add to Google Sheet 里添加 Google Sheets 凭据，替换 YOUR_SHEET_ID。
在 PhantomBuster 里让你的代理读取这张表格，把 icebreaker 那一列作为它的消息。
在 Trigger PhantomBuster Agent 里，替换 YOUR_PHANTOMBUSTER_KEY 和 YOUR_AGENT_ID。
保存，用表单的测试地址提交一次，然后发布。

如何使用

打开表单，用用户名和密码登录，用一句话描述受众：职位、地点、公司类型和规模。运行最后会启动你的代理。去读表格里的新行。文件只放行三个潜在客户，所以开头几次运行规模都很小。

想要不同的效果，改这里

要改的	在哪里改
放行多少个潜在客户	`Limit` 里的 `maxItems`，文件里是 3
actor 抓多少条	`Run Apify Actor & Get Results` 请求体里的 `totalRecords`，文件里是 500
开场白的口吻	`Personalize Outreach` 里的模板、规则和示例
搜索可以改哪些字段	`Generate Search URL` 提示词里的字段清单

示例

你在表单里输入：

Founders and CEOs of small creative agencies in Texas, under 50 staff

Generate Search URL 按提示词给出的格式，返回一个带职位、地点和规模区间的 Apollo 地址。随后三个潜在客户各得到一行，开场白按提示词的模板来写：

{
  "first_name": "Maya",
  "title": "Founder & CEO",
  "linkedin_url": "https://www.linkedin.com/in/…",
  "icebreaker": "Hey Maya, loved seeing your studio take off. I’m also building brands, thought I’d connect."
}

新手与专家

新手：n8n 把工作流画成用线连起来的方框，每个方框是一个节点，只做一件事。actor 是 Apify 上现成的抓取程序，按用量付费。先用一个范围很窄的受众跑一次表单，再在这次运行里打开每个节点，看搜索地址、潜在客户和开场白。

专家：四次调用完成全部工作。其中两次发给 OpenAI。

每一步背后的调用

步骤	模型或服务	要知道的
`Generate Search URL`	`gpt-4.1`，JSON 输出	文件里原来写的是 `gpt-4.5-preview`，OpenAI 已在 2025 年 7 月 14 日停用它
`Run Apify Actor & Get Results`	Apify 的 run-sync 调用	等 actor 跑完，返回它的数据集条目
`Personalize Outreach`	`gpt-4o`，JSON 输出	从 `employment_history` 拿三段经历，外加一个示例
`Trigger PhantomBuster Agent`	PhantomBuster 的启动调用	只发代理 ID，在 `Aggregate` 收齐潜在客户之后

OpenAI 的弃用页面（2026 年 11 月 2 日查看）写明 gpt-4o 和 gpt-4.1 将在 2027 年 1 月 14 日停用，替代型号是 gpt-6-luna。

注意事项

每次运行付费的潜在客户，可能远多于用上的。

费用：2026 年 11 月 2 日，这个 actor 在 Apify 上的价格是每个潜在客户 0.0015 美元。请求体要 500 条，Limit 只留 3 条，所以把 totalRecords 调到相应的数
邮箱：actor 被要求抓取私人和工作邮箱，表格里却没有存邮箱的列
经历太短会失败：经历少于三段的潜在客户会让运行停在 Personalize Outreach
代理：PhantomBuster 从工作流收不到任何潜在客户，所以它得自己去读表格
地点：搜索提示词允许改 organizationLocations[]，它的示例用的却是 personLocations[]
LinkedIn：它的用户协议禁止用机器人加联系人或发消息，所以代理每天的量要放低
你的数据：受众描述和每个潜在客户的资料都会发给 OpenAI。联系别人之前，先查清你和对方所在地的规定
密钥：JSON 里没有任何密钥。原来副本里真实可用的 Apify 和 PhantomBuster 密钥已换成占位符，示例里一位真实人物的资料也换成了虚构的

README 和文件

README

用一句话描述受众，生成 LinkedIn 加好友开场白

一个用于 LinkedIn 加好友活动的 n8n 工作流。你在一个有密码保护的表单里，用一句话描述想联系的人。OpenAI 把它变成一个 Apollo 人员搜索，一个 Apify actor 抓回匹配的潜在客户，OpenAI 再给每人写一句简短的开场白。潜在客户写进 Google 表格，随后工作流启动你的 PhantomBuster 代理，由它发出好友请求。

包里有什么

workflow.json：n8n 导出的工作流，八个节点，没有便签。里面没有任何凭据和密钥。
README.md：这份设置说明，压缩包里的是英文版。

我们相对原来的副本改了什么

Run Apify Actor & Get Results 里原来是作者真实可用的 Apify token，现在写的是 Bearer <YOUR_APIFY_TOKEN>。
Trigger PhantomBuster Agent 里原来是作者的 PhantomBuster 密钥和代理，现在是 YOUR_PHANTOMBUSTER_KEY 和 YOUR_AGENT_ID。
Add to Google Sheet 原来指向作者的表格，现在要 YOUR_SHEET_ID，写进第一个标签页。
Personalize Outreach 里的示例原来用的像是一位真实人物的 LinkedIn 资料，现在换成一位虚构的创始人 Maya Torres，格式不变。
Generate Search URL 原来写的是 gpt-4.5-preview。OpenAI 的弃用页面（2026 年 11 月 2 日查看）写明它已在 2025 年 7 月 14 日停用，替代型号是 gpt-4.1，所以这个节点现在用 gpt-4.1。

开始之前

一个 n8n 实例，n8n Cloud 或自己的服务器都行。
一个 OpenAI API 密钥。
一个 Apify 账号和它的 API token。工作流运行公开的 actor code_crafter/apollo-io-scraper，它按潜在客户条数收费（见“需要知道的”）。
一个 Google 账号和一张存放潜在客户的表格。
一个 PhantomBuster 账号、一个发送 LinkedIn 好友请求的代理，以及它的 API 密钥。
给表单用的用户名和密码。

设置

在 n8n 里新建一个工作流，打开它的菜单，选 Import from File，选中 workflow.json。
打开 On form submission。它的认证方式是 Basic Auth，所以添加一个带用户名和强密码的 Basic Auth 凭据，并选中它。
添加 OpenAI 凭据，在 Generate Search URL 和 Personalize Outreach 里选中它。
在 Run Apify Actor & Get Results 的 Authorization 请求头里，把 <YOUR_APIFY_TOKEN> 换成你的 token，尖括号也要去掉。
建一张表格，第一个标签页的表头是：id、first_name、last_name、name、linkedin_url、title、email_status、photo_url、icebreaker。在 Add to Google Sheet 里添加 Google Sheets 凭据，把 YOUR_SHEET_ID 换成表格地址里 /d/ 和 /edit 之间的那一段。
在 PhantomBuster 里设置好发请求的代理，让它读取同一张表格，并把 icebreaker 那一列作为消息。从代理的地址里复制它的 ID，从工作区设置里复制你的 API 密钥。
在 Trigger PhantomBuster Agent 里，替换请求头里的 YOUR_PHANTOMBUSTER_KEY 和请求体里的 YOUR_AGENT_ID。
保存，从测试地址打开表单，提交一段描述，然后发布工作流。

一次运行的过程

On form submission 只问一个问题：用大白话描述你的受众。这一项必填。
Generate Search URL 让 gpt-4.1 照着提示词里的示例地址，把回答改写成一个 Apollo 人员搜索地址，作为 searchUrl 返回。
Run Apify Actor & Get Results 用这个地址运行 actor，并等它返回结果。请求体要最多 500 条记录，带私人和工作邮箱。
Limit 只留前 3 个潜在客户。
Personalize Outreach 把每个潜在客户的名字、城市、当前职位和公司，以及两段过往经历交给 gpt-4o。它按提示词里的模板，回一个 icebreaker。
Add to Google Sheet 把每个潜在客户加进表格，已有同一个 id 的就更新。
Aggregate 等所有潜在客户处理完，Trigger PhantomBuster Agent 启动你的代理一次。

改改样子

放行多少个潜在客户：Limit 里的 maxItems，文件里是 3。头几次结果看着没问题再调高。
actor 抓多少条：Run Apify Actor & Get Results 请求体里的 totalRecords。
开场白的口吻：Personalize Outreach 里的模板、规则和示例。
搜索可以改什么：Generate Search URL 的提示词列出了它能改的字段。
表格存哪些内容：Add to Google Sheet 的列映射。

需要知道的

费用：这个 actor 在 Apify 上的页面（2026 年 11 月 2 日查看）写明每个潜在客户收 0.0015 美元。请求体要 500 条，Limit 只用 3 条，所以一次运行可能为很多扔掉的潜在客户付钱。把 totalRecords 调低到相应的数。
邮箱：actor 被要求抓取私人和工作邮箱，表格里却没有存邮箱的列，只有 email_status。要么在映射里加一个 email 列，要么把这两个选项都设成 false。
经历太短会失败：开场白提示词会读 employment_history 里的三段经历。经历更少的潜在客户会让运行停在 Personalize Outreach。
PhantomBuster 只收到代理的 ID。只有代理自己去读表格，潜在客户才会到它那里（第 6 步）。
搜索提示词把 organizationLocations[] 列为可改字段，它的示例用的却是 personLocations[]，所以地点可能落在公司上，也可能落在人身上。
模型：OpenAI 的页面写明 gpt-4o 和 gpt-4.1 将在 2027 年 1 月 14 日停用，替代型号是 gpt-6-luna。在那之前把两个节点都换掉。
LinkedIn 的用户协议禁止用机器人加联系人或发消息，所以自动发出的请求可能让账号受限。在 PhantomBuster 里把每天的量放低。
你的数据：受众描述会发给 OpenAI，搜索在 Apify 上运行，每个潜在客户的资料也会发给 OpenAI。发任何消息之前，先查清你和对方所在地关于联系他人的规定。
你的密钥：Apify token 和 PhantomBuster 密钥都写在请求头里，分享工作流之前先把它们删掉。